機器視覺技術(shù)在玉米苗期雜草識別中的應用

1、機器視覺技術(shù)在玉米苗期雜草識別中的 應用河北對外經(jīng)貿(mào)職業(yè)學院摘要：雜草嚴重影響我國的玉米產(chǎn)量，化學除草劑是防治雜草的有效方法，但通常采 用粗放的噴灑方式，防治效果較差。精準噴灑極大地降低了除草劑的用量，提高 了使用效率。除草劑實現(xiàn)精淮噴灑的前提是識別玉米田中雜草位置和種類等信息, 而機器視覺是一種開始廣泛應用于識別作物田間雜草的方法。為此，設(shè)計了一種 基于機器視覺的玉米苗期雜草識別方法，采集的圖片經(jīng)過畸變矯正、hst顏色空 間轉(zhuǎn)換和閾值分割后，根據(jù)形狀和顏色特征提取并識別雜草。田間試驗結(jié)果表明: 在不同播種方式下對玉米和雜草的識別率超過85%，處理單張圖片的平均耗時 為67ms，能為除草劑的精

2、準噴灑提供信息。關(guān)鍵詞：機器視覺;玉米;苗期;雜草識別;作者簡介：顏秉忠(1964-),男，內(nèi)蒙古通遼人，副教授，碩士，(e-mail) lcfexa163. com。收稿日期：2007-01-12基金：河北省生產(chǎn)性實訓建設(shè)研究項s (a201609)identification of weeds in maize seedling stage by machine vision technologyyan bingzhonghebei institute ofinternaional business andeconomics;abstract：weed seriously affect t

3、he yield of corn in china, chemical herbicides is an effective way to control weeds， but usually by extensive spraying methods, control less effective. precise spraying greatly reduced the amount of herbicides, improve the efficiency. herbicides to achieve precision spraying on the premise that the

4、identification of corn fields in the weed position and type of information. machine vision is a widely used method to identify crop weeds. this paper designs a weed recognition method for maize seedling based on machine vision. after distorted correction, hst color space transform and threshold segm

5、entation, the collected images are extracted and identified according to their shape and color characteristics. field experiments showed that the recognition rate of maize and weed was over 85% under different sowing methods, and the average time spent on processing single leaf was 67 ms, which coul

6、d provide information for the accurate spraying of herbicides.keyword：machine vision; corn; seedling stage; weed recognition;received： 200701-120引言玉米是一種重要的糧食作物和經(jīng)濟作物，不僅可以作為主食，還可以作為家畜、 家禽的理想飼料。此外，玉米也可以作為能源開發(fā)和食品加工等行業(yè)的原料，用 途極為廣泛。玉米對種植條件的要求不高，環(huán)境適應性較強，同時具有很高的產(chǎn) 量。我國是僅次于美國的玉米大國，玉米種植主要集中在東北、華北和丙南地區(qū), 面積僅次于水稻。

7、冋吋，玉米的單產(chǎn)比蘇它作物高出許多，再加上用蘇加工的食 品深受消費者的歡迎，因此廣大農(nóng)民種植玉米的積極性很高，使玉米在國民經(jīng) 濟和社會生活中占有重要的地位m。玉米生長季節(jié)的田間氣溫高、濕度大，導致雜草成為嚴重影響玉米產(chǎn)量的因素， 且夏玉米遭受的雜草危害尤為嚴重m。化學除草劑能夠殺滅或抑制雜草的生長， 是防治玉米雜草危害的有效方法。但是，我國利用除草劑防治雜草吋通常采取粗 放的大面積噴灑方式，浪費較大，且除草劑的殘留也不利于農(nóng)田生態(tài)環(huán)境和玉 米食品安全的保護，個別地區(qū)還會因使用不當而出現(xiàn)藥害的情況。隨著科技的進步和農(nóng)業(yè)現(xiàn)代化的發(fā)展，玉米的種植已經(jīng)在很大程度上實現(xiàn)了全 程機械化，在發(fā)達國家甚至開始

8、了自動化和智能化的進程m。在此背景下，人 們提出了除草劑變量噴灑的概念，即選擇性噴灑。它是對整個田塊僅噴灑最小劑 量的除草劑，是對出現(xiàn)雜草的區(qū)域噴灑正常劑量的除草劑，從而極大地降低丫 除草劑的噴灑量，提高了使用效率m。除草劑耍實現(xiàn)變量噴灑，首耍前提是準確測定出玉米田中雜草的位置、密度、種 類和生長情況等信息，并將其與正常生長的作物區(qū)分開來。目前，識別作物田間 雜草的方法主要有人工識別、遙感識別和機器視覺識別3種。蘇中，人工識別最 為簡單，是在技術(shù)水平不高的時期廣泛采用的傳統(tǒng)方法。人工識別法依賴于勞動 者的經(jīng)驗知識，效率很低、勞動強度大，無法應對雜草瘋長泛濫的狀況。遙感識 別是通過裝載在載具上的

9、遙感設(shè)備采集農(nóng)田的空間和光譜信息，進行自動分析 后識別出田間雜草。遙感設(shè)備一般距離作物較遠，因此其空間和光譜的分辨率較 低，對雜草的識別能力有限，導致只能識別那些體積或群體規(guī)模較大的雜草， 限制了其在該農(nóng)業(yè)領(lǐng)域的應用。機器視覺的核心是閣像理解和閣像分析，這一技術(shù)在20世紀80年代最早被提出 用以引導機器人采摘水果，后來其用途被擴展到農(nóng)業(yè)生產(chǎn)的各個領(lǐng)域。機器視覺 可以對w間雜草實現(xiàn)準確快速的定位識別，是現(xiàn)代數(shù)字化精準農(nóng)業(yè)研宄和發(fā)展 的主要方向任何的識別技術(shù)都要針對雜草的一些具體特征，基于機器視 覺的技術(shù)所針對的是雜草的形狀特征、紋理特征、光譜特征和顏色特征10。形狀是植物最直觀的特征之一，又以葉

10、片的形狀最為明顯。例如，單子葉植物的 葉片狹長挺立，而雙子葉植物的葉片則寬短和橫披，容易識別區(qū)分。在實際研究 中，用以描述植物葉片形狀特征的參數(shù)有長度、寬度、周長和面積等。將這些部 分參數(shù)進行組合，便可以反映物種的特異性，從而區(qū)分作物和雜草。即便如此， 由于圖片拍攝的角度、植物隨風移動等因素的影響，難以找到一個具有良好不變 性的特征因子來對雜草進行確認。另外，雜草之間及作物對雜草的遮擋也會對算 法造成影響，降低識別的準確性。這些都是基于性狀特征的雜草識別所要解決的 問題0光照射到物體的表面后，一部分被吸收，一部分被反射。不同物體、不同植物對 各種波長的光線的吸收和反射能力不同，形成了各自的光譜

11、特征。例如，土壤和 巖石等非生命體一般反射紅光，而植物的葉片由于含有葉綠素，因此可以吸收 紅藍光，反射綠光。其中，葉綠素含量的差異又會引起光譜特征的改變，從而成 為鑒別植物種類的依據(jù)。雜草的光譜特征識別技術(shù)簡便性和實時性很好，但是需 要昂貴的硬件設(shè)備；同時，這種方法識別的準確性容易受到自然環(huán)境下的其它因 素影響11-12。植物紋理是由其棊本單元排列組合而成的線條或圖案，不同植物的紋理具有自 身的規(guī)律和特征。植物最明顯的紋理是其葉脈，單子葉植物的葉脈為平行脈，雙 子葉植物的葉脈為網(wǎng)狀脈。這些不同的葉脈類型可作為區(qū)分作物和雜草的依據(jù)。 基于紋理特征對雜草的識別率可達到100%,但該方法須要分析處理

12、的信息量太 大，導致對雜草的識別速度慢，不能滿足實時作業(yè)的要求。為此，需要簡化數(shù)據(jù) 模型，優(yōu)化計算方法，實現(xiàn)對紋理特征的實時快速識別。植物一般為綠色，而其自然竹景多為黃色和褐色，因此能根據(jù)顏色特征進行區(qū) 分。若要識別同屬于植物的作物和雜草，則要依賴于某些部位的顏色差異，如雀 麥、紅根藜等雜草的莖稈為紅色，可以作為顏色特征用于識別。這種方法受自然 環(huán)境因素的影響較小，可行性高;但需要針對明顯的顏色特征，所以能夠識別的 雜草種類受到很大的限制?？傊鲜?方法有各自的優(yōu)缺點，單獨使用都有很 大的局限性，只有結(jié)合使用才能對雜草實現(xiàn)快速有效地識別。木文針對我國玉米種植面積大、雜草危害嚴重和除草劑使用效

13、率不高的問題，設(shè) 計了一種基于機器視覺的玉米苗期雜草識別方法。該方法采用數(shù)碼攝像機拍攝自 然環(huán)境屮不同播種方式的玉米田間圖像，然后經(jīng)過對圖像畸變矯正、nis顏色空 間轉(zhuǎn)換和閾值分割后，根據(jù)形狀和顏色特征提取并識別雜草。同時，用該方法在 田間進行實時圖像的處理試驗，以驗證其對雜草的識別速度和精度。1圖像的處理l.i圖像的采集玉米的田間圖像在本單位的實驗基地內(nèi)采集，種植的為夏玉米，采用丫條播和 撒播兩種栽培方式。雜草主要為雙子葉的牽十花和鴨跖草，以及少量單子葉的狗 尾草和莎草，自然背景中存在少量的植物殘留物。本文基于顏色和形狀特征對雜 草進行識別，圖像釆集時間太早時雜草植株較小，上述特征未完全顯現(xiàn)

14、;時間太 晚則玉米和雜草枝葉茂盛，二者間會相互遮擋而增加識別的難度。因此，兼顧這 些問題，選擇在玉米的5葉期采集田間圖像。圖像采集時間為上午10時，天氣 為陰天有微風。圖像采集設(shè)備為nikon dl24-500型數(shù)碼相機，不同播種方式的 田塊分別拍攝20張閣像，拍攝俯仰角為45°或75°，形成2 080萬像素的邛1$ 格式圖片。圖片輸入到計算機中后轉(zhuǎn)換成bmp格式，再用mat lab軟件進行處理。 兩種播種方式的田間代表性原始圖片，如圖1所示。(a)條播圖1不同播種方式的玉米田間原始圖像fig. 1 original images of corn field under d

15、ifferent seeding method下載原圖受拍攝設(shè)備高度和俯仰角的影響，采集的圖片存在不同程度的畸變。本文參考紀 壽文等的方法，對圖像進行丫畸變的矯正m。另外，還通過屮值濾波消除丫拍 攝時隨機擾動產(chǎn)生的噪音干擾。1.2圖像的灰度化原始圖片中的玉米和雜草都是綠色，土壤背景為黃色和褐色，還夾雜少量灰白 色的植物殘留物。因此，可以首先利用這些部分之間顏色的明顯差異將植物從背 景中分離出來。對于彩色圖像的分割，選擇合適的顏色空間是必不可少的。本文 根據(jù)玉米田間圖像會受到光照強度影響的實際情況，選用11si模型的顏色空間， 即以色調(diào)h，飽和度s和亮度1作為分量來對圖像進行處理。圖2為在hsi

16、顏色空間下對i分量灰度化的結(jié)果。圖2不同播種方式的玉米田間灰度化圖像fig. 2 gray images of corn field under different seeding method下載原圖2雜草的識別 2.1閾值分割根據(jù)玉米與雜草葉片不同的形態(tài)特征，這里選用長寬比和圓度兩個特征用于雜 草的識別。長寬比為最小外接矩形的長度與寬度的比值，圓度為面積與周長平方 的比值，二者在對圖像進行旋轉(zhuǎn)、平移和縮放處理吋都能保持不變。圖像分割是利用形狀和顏色特征對雜草進行識別的必要步驟，其方法有多種，需要根據(jù)圖片處理的目的和要求來選擇。閾值分割法的計算模型簡單，運行速度 較快，適合用于對玉米田間圖像

17、的實時處理和雜草識別，因此在本文中采用。選 擇合適的閾值對于圖像處理分割效果的效果有著決定性影響，它是通過分析直 方圖獲得的。木文中雜草的特征受光照影響不大，因此為了確定閾值，將i分量 效果圖和原圖像灰度圖分別做了最大類間方差分析后再進行圖像二值化。直方圖 通過最大閾值分割得到的各形狀特征的閾值t1和t2，如圖3所示。(a)條播圖 3 不同播種方式的直方圖 fig. 3 histograms under different seeding method下載原圖2.2雜草特征識別分析計算圖片中每個區(qū)域的2種形狀特征值，當長寬比閾值t1且圓度閾值t2 時，即判定為雜草。玉米細長的葉片和形狀不規(guī)則的

18、植物殘留物被去除，圖像屮 的雜草因其圓形或橢圓形的葉片而被識別出來。部分閣片中存在與玉米葉形相識 的單子葉雜草，則根據(jù)玉米苗期具有淡紅色莖的特征，參考毛文華等人的研宄，利用綠-紅指標分割玉米植株的莖稈，然后提取與其和連的區(qū)域為玉米植株，而 其它的綠色區(qū)域即為雜草111。最后的識別結(jié)果如圖4所示。(a)條播圖 4 不同播種方式的雜草識別 fig. 4 weed identifications under different seeding method下載原圖3試驗結(jié)果與分析使用該方法對玉米田間苗期雜草進行識別，在條播的田塊屮，對雜草的識別為 87.3%，有9. 2%的玉米植株被誤識為雜草。在撒

19、播的田塊中，對雜草的識別為 87. 5%,與條播田塊相差無兒;有12. 5%的玉米植株被誤識為雜草，高于條播的 w塊。原因是撒播玉米分布不均勻，部分植株聚在一起，相互遮扔嚴重，降低了 識別的準確性。在不同播種方式下對各種植物種類的識別率都在85%以上，處理 單張圖片的平均耗時為67ms,能滿足對玉米苗期雜草進行實時鑒定的要求玉米 田間苗期雜草識別效果如表1所示。表1不同光照條件下的雜草識別效果table 1 effect of weed identification under different illumination condition下載原表播種方式目標總數(shù)識另玉米46642條播雜草13411玉米37532撒播雜草11294結(jié)論本方法可以識別玉米苗期的田間雜草，根據(jù)所選擇的葉片形態(tài)特征，其對雙子 葉雜草較為有效。單子葉雜草的識別則會受到莖稈顏色和和互遮擋的影響，對正 常的玉米植株存在一定程度的誤判。參考文獻1李少昆，王崇桃.我國玉米產(chǎn)量變化及增產(chǎn)因素分析jl玉米科學，2008, 16(4) : 26-30.2張鳳海.雜草對夏玉米危害損失率測定j.江蘇農(nóng)業(yè)科學，1998 (4) :42.4毛文華，王一鳴，張小超， 農(nóng)業(yè)機械